ALAGENT-HKU/x2strategy

모든 연구 입력값 → 전략 명세 (Strategy Spec) → 실행 가능한 코드 → 백테스트 (Backtest) → 진단 (Diagnosis)

시작하기 · 작동 원리 · 예시 · 문서 · 简体中文

퀀트 금융 연구 — 논문, 초안, 보고서 또는 전략 아이디어 — 를 검증된 실행 가능한 트레이딩 전략으로 자동 변환합니다.

🔬 멀티 포맷 입력 (Multi-Format Input)— PDF 논문, Markdown 초안, DOCX 보고서, 일반 텍스트. 자동 감지.
🧠 5단계 LLM 추출 (5-Layer LLM Extraction)— 다중 전략 감지 → 지표 (Indicators) → 신호 로직 (Signal Logic) → 실행 계획 (Execution Plan) → 리스크 관리 (Risk Controls).
✅ 검증된 코드 생성 (Verified Code Generation)— 단순히 "생성하고 기도하는" 방식이 아닌, AST 검증 + Backtrader 구조 체크 + 지표 레지스트리(Indicator Registry)를 포함.
📊 자동 백테스트 (Automated Backtesting)— 실행, 지표 추출, 그리고 논문에 보고된 성능과 비교하여 진단.
🤖 에이전트 네이티브 (Agent-Native)— VS Code Copilot, Claude Code 또는 호환 가능한 모든 에이전트에서 에이전트 스킬 (/x2strategy)로 작동.
💰 논문당 약 $0.1— DeepSeek 기반. LiteLLM을 지원하는 모든 제공업체에서 작동 가능.

┌──────────────────────────────────────────────────────────────┐
│ X2Strategy │
│ │
...

단계	입력	출력	수행 내용
파싱 (Parse)	모든 문서	`PaperContent`	포맷 인식 추출 (PyMuPDF / 직접 읽기 / python-docx)
추출 (Extract)	PaperContent	`StrategySpec[]`	5단계 LLM: 전략 감지 → 지표, 로직, 실행, 리스크 추출
생성 (Generate)	StrategySpec	`strategy.py`	데이터 모듈 → 신호 모듈 → 백테스트 모듈 → 통합
검증 (Validate)	strategy.py	통과 / 실패	AST 구문 + Backtrader 구조 + 지표 존재 여부 체크
백테스트 (Backtest)	strategy.py	지표 (Metrics)	타임아웃을 포함한 서브프로세스 실행 및 지표 추출
진단 (Diagnose)	지표 (Metrics)	`report.md`	논문에 보고된 결과와 비교하여 편차 표시

에이전트 스킬 (Agent Skills)은 개방형 표준입니다. 에이전트의 스킬 디렉토리에 클론하면 SKILL.md를 자동으로 인식하고 /x2strategy 슬래시 명령어를 등록합니다.

OpenClaw 사용자는 ClawHub에서 직접 설치할 수 있습니다:

openclaw skills install patrick-lew/x2strategy

또는 ClawHub CLI를 사용하십시오:

npx clawhub@latest install x2strategy

원격 또는 가이드된 설정을 위해, 이 프롬프트를 OpenClaw에 붙여넣으세요:

ClawHub에서 "X2strategy" 스킬 (patrick-lew/x2strategy)을 설치하십시오.
스킬 페이지: https://clawhub.ai/patrick-lew/x2strategy
작업 범위를 이 스킬로만 제한하십시오.
...

GitHub Copilot |
git clone https://github.com/ALAGENT-HKU/x2strategy.git ~/.copilot/skills/x2strategy |
Claude Code |
git clone https://github.com/ALAGENT-HKU/x2strategy.git ~/.claude/skills/x2strategy |
프로젝트 범위 (Project-scoped) |
git clone https://github.com/ALAGENT-HKU/x2strategy.git .github/skills/x2strategy |

그 다음 의존성 (dependencies)을 설치하십시오 (스킬 설치가 성공하면, 에이전트가 초기화 시 의존성을 자동으로 설치하지만, 수동으로 설치할 수도 있습니다):

cd ~/.copilot/skills/x2strategy # 또는 클론한 위치
# uv를 설치하지 않았다면, `pip install uv`를 실행하십시오
uv sync --extra codegen # core + backtrader + yfinance + akshare

중요

디렉토리 이름은 반드시 x2strategy여야 합니다

(SKILL.md 파일의 name 필드와 일치해야 함).
설치가 완료되면, 채팅창에 /x2strategy를 입력하거나 관련 상황 발생 시 에이전트가 자동으로 활성화됩니다.

git clone https://github.com/ALAGENT-HKU/x2strategy.git && cd x2strategy
uv sync --extra codegen # core + backtest
uv sync --extra agent # + FAISS 시맨틱 검색 (100페이지 이상의 논문용)
...

pip 대안

python -m venv .venv && source .venv/bin/activate
pip install -e ".[codegen,agent,dev]"

# 1. 설정 (Configure)
cp .env.example .env # API 키를 추가하십시오 (DEEPSEEK_API_KEY 권장)
# 2. 어떤 입력 형식이든 전략 사양(strategy specs)을 추출
...

또는 **에이전트 스킬 (agent skill)**을 사용하십시오 — 다음과 같이 말하기만 하면 됩니다:

"이 논문을 분석하고 주요 전략을 구현해줘" + PDF 첨부

에이전트가 파싱 (parsing), 추출 (extraction), 코드 생성 (code generation), 검증 (validation), 백테스팅 (backtesting) 및 진단 (diagnosis)의 모든 과정을 처리합니다.

형식	확장자	파서 (Parser)	비고
PDF	`.pdf`	PyMuPDF → 모드 A (직접) 또는 모드 B (FAISS)	논문의 95% 이상을 커버하는 완전한 지원
Markdown	`.md` `.markdown`	직접 텍스트 읽기	전략 초안 및 노트에 이상적
Word	`.docx`	python-docx (`uv sync --extra docx` )	내부 연구 보고서
Plain text	`.txt`	직접 읽기	가공되지 않은 전략 설명

형식은 파일 확장자로부터 자동 감지됩니다. 별도의 설정이 필요하지 않습니다.

실제 논문에서 사전 생성된 출력물은 examples/에서 확인할 수 있습니다.

논문	감지된 전략	산출물 (Artifacts)
Tactical Asset Allocation (Faber 2007)	1 — SMA 타이밍을 사용한 GTAA	명세서 (spec) + 코드
Pairs Trading (Goncalves-Pinto et al.)	3 — 거리 (Distance), 정상성 (Stationarity), 공적분 (Cointegration)	명세서 (spec)
Value and Momentum (Asness et al.)	2 — 가치 요인 (Value Factor), 모멘텀 요인 (Momentum Factor)	명세서 (spec)

출력 구조 예시

library/tactical_aa/
├── content.json # 파싱된 논문 내용
├── content.md # 사람이 읽을 수 있는 논문 요약
...

x2strategy/
├── paper2spec/ # 1단계: 문서 → 구조화된 명세서 (Structured Spec)
│ ├── config.py # 환경 및 라이브러리 경로 설정
...

변수	기본값	설명
`PAPER2SPEC_LIBRARY_PATH`	`./library`	출력 루트 디렉토리
`PAPER2SPEC_MODEL`	`openai/gpt-4o-mini`	LLM 모델 (LiteLLM 형식)
`SPEC2CODE_BACKTEST_TIMEOUT`	`300`	백테스팅 (backtest) 타임아웃 (초 단위)
`DEEPSEEK_API_KEY`	—	DeepSeek (권장: 최고의 가성비/품질)
`OPENROUTER_API_KEY`	—	OpenRouter (하나의 키로 모든 모델 사용)
`OPENAI_API_KEY`	—	OpenAI 직접 연결

모든 스크립트는 PAPER2SPEC_MODEL을 재정의하기 위해 --model 옵션을 허용합니다.

리소스	설명
SKILL.md	에이전트 기술 지침 (Agent skill instructions) — 라우팅 (routing), 설정 (setup), 상호작용 게이트 (interaction gates)
...

pytest tests/ -v # 180개 이상의 결정론적 테스트 (deterministic tests)
pytest tests/ -v --run-real # + 실제 API 테스트 (DEEPSEEK_API_KEY 필요)

멀티 엔진 지원 (Zipline, VectorBT)
PDF로부터 테이블 및 수식 추출
배치 처리 (여러 논문을 병렬로 처리)
qsa-benchmark 통합 (50개 논문 회귀 테스트 스위트)
정형화된 StrategySpec

QSA 플랫폼과의 스키마 통합 (schema unification)

기여를 환영합니다! 코드베이스의 방향성을 파악하려면 아키텍처 문서 (Architecture Doc)를 참조해 주세요.

git clone https://github.com/ALAGENT-HKU/x2strategy.git && cd x2strategy
uv sync --all-extras
cp .env.example .env # API 키 추가
...

Apache-2.0 · ALAGENT AI 优彦智能 제작 — 검증 가능하고 신뢰할 수 있는 금융 AI (Financial AI)

ALAGENT-HKU/x2strategy

요약

핵심 포인트

pip 대안

출력 구조 예시

댓글